基于PSO-BP神经网络预测广州市日均PM_(10)浓度

目的应用多元线性回归模型和PSO-BP神经网络模型对广州市日均PM_(10)浓度进行提前一天的预测,比较两种模型的预测效果,为环境管理决策提供依据。方法利用广州市2008年1月1日至2011年11月30日的PM_(10)浓度和气象资料分别构建两种模型,并使用2011年12月1日至12月31日的数据检验两模型的预测效果。结果前一天的PM_(10)、极大风速、最小相对湿度、日平均气温、能见度为预测第二天PM_(10)浓度的5个主要影响因素,其中前一天的PM_(10)浓度与预测的PM_(10)浓度相关性最高(0.66)。PSO-BP神经网络模型的决定系数(R2)为0.80,相比于多元线性回归模型,其均方根误差(RMSE)降低6.20%,平均绝对误差(MAE)降低8.73%,平均绝对百分比误差(MAPE)降低13.33%,平均绝对偏差百分比(PMAD)降低8.67%。结论 PSO-BP神经网络模型预测效果优于多元线性回归模型,能有效模拟、预测未来一日的PM_(10)浓度,可为大气颗粒物浓度预测提供一定的方法学参考。

广州市试点地区家庭医生签约和续约现况及影响因素研究

目的通过对广州市家庭医生式服务试点地区非签约居民、签约居民及家庭医生进行调查，了解家庭医生服务现况，发现存在的问题及影响因素。方法2016年1月抽取广州市6个典型社区的社区卫生服务中心（或乡镇卫生院）为调研点，通过随机抽样的方式，选取调查期间来就诊的居民和社区全体家庭医生为调查对象。采用EpiData双录入数据，使用SPSS20．0软件进行统计分析。结果非签约居民对家庭医生的签约意愿率为66．0％，去除混杂因素后，二元logistic回归分析显示，性别和是否需要家庭医生对自己（及家庭）进行健康管理是签约意愿的影响因素。94．6％的签约居民有续约意愿，去除混杂因素后，二元logistic回归分析显示，影响续约意愿的因素包括整体满意度和签约家庭医生有无必要。结论家庭医生式服务顺利发展，仍需突破诸多瓶颈，而提高签约意愿率和续约意愿率是家庭医生制度可持续发展的基础。